Kursi augsta līmeņa digitālo prasmju pilnveidei

Aizvien pieaugošais datu un informācijas apjoms mūsdienās ir kļuvis par būtisku resursu, kam ir nozīmīga loma uzņēmuma izaugsmes veicināšanā. Dati nav tikai statistikas rādītāji; tie ir paši uzņēmuma dzīvotspējas un inovācijas pamatā esoša vērtība, kas ļauj prognozēt tendences, pielāgot stratēģijas un veicināt uzņēmuma izaugsmi.Datizrace (data mining) ir statistikas un mašīnapmācības metožu lietojums vēsturiskajiem datiem ar mērķi iegūt skaidrojumu vai prognozi.

Kursā tiks iegūtas zināšanas par datizraces iespējām datu analīzē, gūstot zināšanas arī par datu priekšapstrādi un iegūto rezultātu analīzi. Tiks apskatītas šādas datizraces pieejas – regresija, klasifikācija, klasterēšana un asociatīvo likumu meklēšana, iepazīstoties ar populārākajām metodēm katrā no tām. Kursa dalībnieki izpratīs datu izmantošanas iespējas lēmumu pieņemšanā. Uzsvars tiks likts uz analītikas izpratnes veidošanu un praktisku darbošanos ar bezkoda rīku Weka (pieredzējušiem lietotājiem – arī Python programmēšanas valodu), veicot datu analīzi reālām datu kopām un interpretējot iegūtās sakarības. Lielo datu analīze tiks sasaistīta ar augstas veiktspējas skaitļošanas (HPC) sniegtajām iespējām.

Kursa apguvei nav nepieciešamas iepriekšējās zināšanas datizracē vai programmēšanā, savukārt zināšanas statistikā ļaus papildināt analītisko iespēju loku datu analīzē.

• Kursa apjoms:

50 akadēmiskās stundas.

• Kursa apguvei nepieciešamās priekšzināšanas:

Vispārējās zināšanas par datu apstrādi kādā programmatūrā.

• Mērķauditorija:

Ikviens interesents

• Kursa norises formāts:

Attālināti; Otrdienās (16.04.24. – 04.06.24.) plkst. 13:00 – 16:00.

• Dalībnieku skaits grupā:

Līdz 20 dalībniekiem.

• Programmas īstenošanai obligāti nepieciešamo materiālo līdzekļu uzskaitījums:

dators ar interneta pieslēgumu un tiesībām instalēt programmatūru.

• Izglītības dokuments, kas apliecina izglītības programmas apguvi:

RTU apliecība par tālākizglītību, identificējot iegūto kompetenču atbilstību DigComp 7.-8.līmenim.

Kursa mērķis ir atjaunot un nostiprināt izpratni par dažādas sarežģītības pakāpes būvmehānikas principiem un attīstīt studējošo spēju izmantot nozarei atbilstošas analītiskās un skaitliskās metodes būvmehānikas problēmuzdevumu risināšanā.

Kursā tiks veidota padziļināta izpratne par būvkonstrukciju mehāniku un apgūtas prasmes būvmehānikas problēmuzdevumu risināšanā, izmantojot skaitliskās metodes (Matlab). Mācību uzsvars tiks likts uz būvkonstrukciju darbības principu izprašanu:

• dažādu konstruktīvo shēmu analīze (noteicamība, derīgums);
• kritisko piepūļu un pārvietojumu noteikšana;
• būvelementu šķērsgriezuma raksturlielumu ietekme uz robežstāvokļiem;
• spēja ātri un efektīvi veikt nepieciešamos aprēķinus, izmantojot Matlab programmu.

Kursa uzdevums ir iepazīstināt dalībniekus ar skaitlisko metožu iespējām un demonstrēt to pieejamību un izmantošanas ērtumu.
Kursā tiek veidotas prasmes digitālo rīku izmantošanā:

• augstas veiktspējas platformu (HPC) izmantošanas pamati;
• HPC virtuālo mašīnu izveide un lietošana;
• Matlab pamatu apgūšana un pielietošana aprēķinu veikšanā.

• Kursa apjoms:

76 akadēmiskās stundas.

• Kursa apguvei nepieciešamās priekšzināšanas:

Būvmehānikas pamati, Būvmehānikas ievadkurss – brīvi balstītu siju aprēķins, balsta reakciju noteikšana, piepūles stieņos, šķērsgriezuma raksturlielumi, sprieguma stāvokļi.

• Mērķauditorija:

Būvniecības nozares speciālisti.

• Kursa norises formāts:

Klātienē Ķīpsalā; Trešdienās (18.04.24., 9.05.24., 16.05.24., 30.05.24.) plkst. 10:15 – 14:05.

• Dalībnieku skaits grupā:

Līdz 15 dalībniekiem.

• Programmas īstenošanai obligāti nepieciešamo materiālo līdzekļu uzskaitījums:

dators ar interneta pieslēgumu un praktisko darbu realizācijai tiks izmantoti Rīgas Tehniskas universitātes tehniskie risinājumi.

• Izglītības dokuments, kas apliecina izglītības programmas apguvi:

RTU apliecība par tālākizglītību, identificējot iegūto kompetenču atbilstību DigComp 7.-8.līmenim.

Kursa mērķis ir veidot izpratni par plaši izmantojamiem modeļu veidiem ekonomisko procesu prognozēšanā un attīstīt praktiskas iemaņas šādu modeļu radīšanā zinātniskās programmēšanas valodas R vidē.

Kursā tiek aplūkotas ekonomisko procesu prognozēšanā plaši izmantotas modeļu pamatklases, ieskaitot dažādu iespēju apskatu no mašīnmācīšanās jomas ekonomisko procesu prognozēšanai. Tiek aplūkoti arī modeļa dokumentācijas izstrādes un validācijas posmi atbilstoši ES un ASV regulatoru vadlīnijām.

Programmā izglītojamais:

• apgūs plaši izmantojamus modeļus ekonomisko procesu prognozēšanā;
• iemācīsies izstrādāt modeļus zinātniskās programmēšanas valodas R vidē;
• iemācīsies testēt katras modeļu klases pieņēmumus;
• iemācīsies identificēt izejas datu īpašības;
• pārņems pasaules pieredzi ekonomisko procesu prognozēšanas modeļu izstrādē;
• iemācīsies izstrādāt modeļa dokumentāciju;
• iemācīsies veikt modeļa validāciju;
• atradīs un lietos mašīnmācīšanās metodes ekonomisko procesu prognozēšanā.

Kurss ir piemērots arī sociālo zinātņu studentiem. Tas ir pielāgots kombinēto studiju metodikai. Kursa īstenošanai tiek izmantota lietotājam draudzīga R programmēšanas valoda JupyterHub vidē uz augstas veiktspējas skaitļošanas platformas bāzes.

• Kursa apjoms:

64 akadēmiskās stundas.

• Kursa apguvei nepieciešamās priekšzināšanas:

Pamatzināšanas matemātikā vai statistikā.

• Mērķauditorija:

Ikviens interesents.

• Kursa norises formāts:

Attālināti; Pirmdienās un ceturtdienās (15.04.24. – 27.05.24) plkst. 18:00 – 21:00.

• Dalībnieku skaits grupā:

Līdz 60 dalībniekiem.

• Programmas īstenošanai obligāti nepieciešamo materiālo līdzekļu uzskaitījums:

dators ar interneta pieslēgumu, un praktisko darbu realizācijai var būt izmantoti Rīgas Tehniskas universitātes tehniskie risinājumi.

• Izglītības dokuments, kas apliecina izglītības programmas apguvi:

RTU apliecība par tālākizglītību, identificējot iegūto kompetenču atbilstību DigComp 7.-8.līmenim

Kursa mērķis ir veidot visaptverošu izglītojamo izpratni par informācijas tehnoloģijas un informācijas sistēmu pārvaldības aspektiem, problēmām, izaicinājumiem un to risinājumiem akcentējot nozarē pielietotos digitālos rīkus, platformas, risinājumus, tehnoloģijas.

Kursa uzdevums ir attīstīt prasmes un spējas ieviest un konfigurēt augstas pieejamības hipervizoru, izmantot mākslīgo intelektu kā palīgu pārvaldības uzdevumu risināšanā, izvērtēt atbilstošās ITIL vislabākās prakses ieteikumus, optimizēt infrastruktūras pārvaldību ar infrastruktūra kā kods pieeju, centralizēti pārvaldīt dažādu sistēmu žurnālfailus, uzraudzīt visu informācijas tehnoloģijas un informācijas sistēmu resursu stāvokli, centralizēti pārvaldīt Windows un Linux operētājsistēmu resursus, automatizēt skriptu izpildi, kā arī lietot augstas veiktspējas skaitļošanas resursus (HPC) integrācijā ar dažādu uzdevumu izpildi.

Kursā tiks apskatītas galvenās tehnoloģijas, kuras nodrošina efektīvu uzņēmuma informācijas sistēmu darbību, tehnoloģisko procesu automatizāciju un visaptverošu informācijas sistēmu pārvaldību. Mācību rezultātā tiks iegūta izpratne par informācijas tehnoloģiju un sistēmu pārvaldību, koncentrējoties uz nozares specifiskajiem digitālajiem rīkiem, platformām un tehnoloģijām.

Mācībās akcents tiks likts uz vairāk nekā desmit nozarē atzītiem atvērtā pirmkoda rīkiem, kuri nodrošina dažādus informācijas tehnoloģijas un informācijas sistēmu pārvaldības uzdevumu risinājumus. Mācību laikā izglītojamajiem tiks attīstīta izpratne par digitālo rīku un sistēmu visaptverošu efektīvu ieviešanu, pielāgošanu, radošu izmantošanu un veicināta izpratne par nozares uzņēmumu digitālo transformāciju, uzlabojot ieviešanas, pārvaldības un uzraudzības procesus, produktus un pakalpojumus.

Mācībās tiks apskatīti tādi rīki kā Proxmox VE, TrueNAS, Ansible, Terraform, Graylog, Zabbix, Grafana, Tactical RMM, GitLab, Jenkins, RTU HPC tehnoloģiskās iespējas un JS7 JobScheduler, kas palīdzēs izglītojamajiem apgūt prasmes praktiskā līmenī. Izpratne par šiem rīkiem ikdienā dažādu uzdevumu risināšanā palīdzēs gan sistēmu administratoriem un drošības speciālistiem, gan DevOps un projektu vadītājiem.

Pēc kursa apguves būs izveidojusies izpratne par IT un IS sistēmu pārvaldību un to, kā dažādu tehnoloģiju apvienojums var palīdzēt sasniegt visdažādākos mērķus.

• Kursa apjoms:

60 akadēmiskās stundas.

• Kursa apguvei nepieciešamās priekšzināšanas:

Lietotāja līmeņa zināšanas darbā ar Windows operētājsistēmu un Linux (Ubuntu) operētājsistēmu. Pamata zināšanas datortīkla topoloģijā un darbības principā. Pamata pārvaldības zināšanas par operētājsistēmu darbības principu un virtualizācijas tehnoloģijām.

• Mērķauditorija:

IT jomas pārstāvji.

• Kursa norises formāts:

Attālināti; Otrdienās un ceturtdienās (16.04.24 – 30.05.24.) plkst. 17:30 – 21:00.

• Dalībnieku skaits grupā:

Līdz 25 dalībniekiem.

• Programmas īstenošanai obligāti nepieciešamo materiālo līdzekļu uzskaitījums:

dators ar interneta pieslēgumu, vēlams ar pieslēgtiem diviem monitoriem; datoram pieslēgta tīmekļa kamera un mikrofons; praktisko darbu realizācijai tiks izmantoti Rīgas Tehniskas universitātes tehniskie risinājumi.

• Izsniedzamais dokuments:

RTU apliecība par tālākizglītību, identificējot iegūto kompetenču atbilstību DigComp 7.-8.līmenim.

Kursa mērķis ir attīstīt izglītojamo izpratni par mūsdienīgām augstas veiktspējas skaitļošanas tehnoloģijām un to izmantošanu transporta jomā, kā arī attīstīt prasmes sadalīt uzdevumu risinājumu paralēlos apakšprocesos un programmēt tos, veicot datorizētus aprēķinus un transporta datu apstrādi.

Uzsākot kursu, grupu darba ietvaros tiks apgūti algoritmu veidošanas pamatprincipi. Dalībnieki apgūs arī vairākas dažādas sarežģītības un pielietojuma programmas koda izstrādes vides – Idle, Spyder un Jupyter Lab –, kurām kopīgs ir bezmaksas atklātā koda princips, un programmēšanas valodu Python. Šī programmēšanas valoda ir ieņēmusi ļoti nozīmīgu vietu tehniskajā un biznesa ekosistēmā, pateicoties viegli lietojamai sintaksei un milzīgajam papildinājumu un gatavo risinājumu daudzumam, kuru skaits nemitīgi pieaug.

Kursa dalībnieki pakāpeniski apgūs noderīgus programmēšanas valodas Python sintakses elementus, algoritma veidošanas rīkus un paņēmienus. Attīstot savas digitālās prasmes arvien augstākā līmenī, tiks apgūti datu iegūšanas, apstrādes un analīzes paņēmieni ar Python papildinājumu Pandas. Kursa turpinājumā tiks apgūti un trenēti datu vizualizācijas paņēmieni, lietojot Python papildinājumu Matpotlib.

Iegūtās iemaņas un prasmes ļaus izveidot digitālu, interaktīvu dokumentu Jupyter Lab vidē. Savukārt iegūtās iemaņas teksta programmēšanas valodās Markdown un LaTeX varēs lietot, veidojot profesionālas kvalitātes, liela apjoma un augstas sarežģītības dokumentus. Mācību kursa turpinājumā tiks apgūti lielāka uzdevuma sadalīšana vairākos apkšuzdevumos, risinot to paralēli ar daudziem procesoriem. Kursa dalībnieki varēs uzskatāmi novērtēt augstas veiktspējas skaitļošanas priekšrocības. Lai šīs iemaņas apgūtu, interesantākie un resursietilpīgākie uzdevumi mācību kursā tiks veikti ar augstas veiktspējas superskaitļotāju, lietojot RTU HPC centra skaitļošanas platformu.

• Kursa apjoms:

32 akadēmiskās stundas.

• Kursa apguvei nepieciešamās priekšzināšanas:

Vispārējās datorprasmes, angļu valodas zināšanas (papildmācību materiālu apguvei)

• Mērķauditorija:

Transporta un satiksmes organizēšanas jomas speciālistiem.

• Kursa norises formāts:

Klātienē Ķīpsalā; Pirmdienās (08.04.24. – 03.06.24.) plkst. 14:30-16:30.

• Dalībnieku skaits grupā:

Līdz 10 dalībniekiem.

• Programmas īstenošanai obligāti nepieciešamo materiālo līdzekļu uzskaitījums:

dators ar interneta pieslēgumu un uzstādītām programmatūras pakotnēm Python, Anaconda; RTU HPC centra skaitļošanas resursi; praktisko darbu realizācijai tiks izmantoti Rīgas Tehniskas universitātes tehniskie risinājumi.

• Izglītības dokuments, kas apliecina izglītības programmas apguvi:

RTU apliecība par tālākizglītību, identificējot iegūto kompetenču atbilstību DigComp 7.-8.līmenim.

Kursa mērķis ir attīstīt studējošo izpratni par vadības sistēmām, to uzbūvi un sistēmu analīzes galvenajiem principiem, kā arī prasmes projektēt automātiskās regulēšanas sistēmas un aprēķināt sistēmu un regulatoru parametrus.

Kursa uzdevumi ir gūt izpratni par automātiskās regulēšanas sistēmas uzbūvi, aizvietošanas shēmu lietojumu, veikt sistēmas elementu aprēķinus, aprēķināt sistēmas statistisko kļūdu, novērtēt sistēmas stabilitāti stacionārajā un dinamiskajā režīmā, analizēt un novērtēt pārējo procesu kvalitāti, attīstīt prasmes izmantot augstas veiktspējas skaitļošanas tehnoloģiju stabilitātes novērtēšanai, kā arī prasmes izmantot digitālos rīkus regulatoru parametru aprēķinu veikšanai.

Kursā tiks apgūtas regulēšanas teorijas metodes un iegūtas parametru aprēķinu iemaņas. Kursa būtība ir saistīta ar tehniskā objekta parametru regulēšanu, atbilstoši noteiktam līmenim, turklāt objektam jāspēj veikt izejas parametra vērtības regulēšanu, atbilstoši vadības signālam. Vairumā gadījumu šie signāli tiek ģenerēti, pamatojoties uz informāciju par objekta pašreizējo parametru vērtībām. Tiks apgūtas vadības procesa projektēšanas iemaņas pamata automātiskās vadības procesos, kā arī analogo elektrotehnisko objektu regulēšanas uzdevumu risināšanas iemaņas, atgriezeniskās saites aprēķins, sistēmas dekompozīcija – dalīšana posmos, kā arī posmu raksturojums, to modeļu izveide un pāreja uz frekvenču raksturojumiem. Dalībnieki veiks sistēmas parametru novērtējumu – sistēmas stabilitātes novērtējumu. Tiks izskatīta regulēšanas kontūru projektēšana noslēgtām sistēmām un pētīti sistēmu pārejas procesi, to kvalitātes uzlabošana, regulatoru parametri, veikta analogā un skaitliskā modelēšana. Progresīvās skaitļošanās metodes tiks lietotas diferenciālvienādojumu sistēmu atrisināšanai, to pārveidošanai algebriskajā formā ar Laplasa transformācijas palīdzību, raksturvienādojumu sakņu atrašanai, lai novērtētu vadības sistēmu darbību. Tiks izskatīti skaitliskās vadības pielietošanas piemēri ar MalLab programmatūru.

Kursā dalībnieki lietos augstas veiktspējas platformu sarežģītiem aprēķiniem, diferenciālvienādojumu un raksturvienādojumu atrisināšanai, izmantojot MatLab programmu.

• Kursa apjoms:

40 akadēmiskās stundas.

• Kursa apguvei nepieciešamās priekšzināšanas:

Zināšanas augstākajā matemātikā un elektrotehnikas pamatos.

• Mērķauditorija:

Enerģētikas un elektrotehnikas nozarē strādājošie, kā arī mehānikas, transporta un ekonomikas nozares speciālisti.

• Kursa norises formāts:

Attālināti; Ceturtdienās (11.04.24. – 13.06.24.) plkst.18:30 – 21:30.

• Dalībnieku skaits grupā:

Līdz 15 dalībniekiem.

• Programmas īstenošanai obligāti nepieciešamo materiālo līdzekļu uzskaitījums:

dators ar interneta pieslēgumu; praktisko darbu realizācijai tiks izmantoti Rīgas Tehniskas universitātes tehniskie risinājumi.

• Izglītības dokuments, kas apliecina izglītības programmas apguvi:

RTU apliecība par tālākizglītību, identificējot iegūto kompetenču atbilstību DigComp 7.-8.līmenim.

Kursa mērķis ir veicināt vienotas zināšanu sistēmas veidošanu par sistēmu modelēšanas un imitācijas principiem un attīstīt lietišķās prasmes sarežģītu sistēmu simulācijas jomā.

Kursā tiks aplūkoti sistēmu imitācijas un modelēšanas pamati, aplūkoti tādi jēdzieni kā datormodelēšanas procedūra, motivācijas faktori, pamatpaņēmieni, kā arī modeļu izstrāde un lietojums. Tiks izklāstīta analītiskās sistēmu modelēšanas būtība un risināts analītiskais uzdevums augstas veiktspējas skaitļošanas platformā, kas atbilst DigComp 8. līmeņa prasībām. Tiks apskatīti statistiskās (imitācijas) modelēšanas būtība un lietojumi, simulācijas modeļu programmu pamatstruktūras diskrētu notikumu vai sistēmu dinamikas metodēm, procesu attēlošana, laika progresa jēdziens, modelēšana elektroniskajās tabulās un simulācijas rezultātu analīze.

Kursā simulācija tiek interpretēta kā lēmumu pieņemšanas problēmu risināšanas metode, izstrādājot, konstruējot un eksperimentējot ar reālās sistēmas imitācijas modeli, un paņēmienu kopa, lai risinātu uzņēmējdarbības problēmas, kurās daudzas mainīgo lielumu vērtības nav zināmas vai ir daļēji zināmas, un nav vienkārša veida, kā šīs vērtības iegūt. Izmantojot simulāciju reālu sistēmu īpašību izpētei, var izdalīt tādus posmus kā (a) problēmas ievaddatu reducēšana līdz piemērotai formai; (b) reālās sistēmas modeļa konstruēšana, kas sistēmu nevienkāršo līdz līmenim, kad modelis kļūst triviāls, un arī nepārņem tik daudz reālās sistēmas īpašību, lai modelis kļūtu grūti risināms un pārmērīgi sarežģīts; (c) datu un modeļa apvienošana eksperimentā, kura mērķis ir atklāt, kā reālā sistēma uzvedas dažādos noteiktos apstākļos.

Kursā tiks uzsvērtas datorizētas mācību metodes, kas dod iespēju dalībniekiem mijiedarboties ar reālās pasaules problēmām, lietot teorētiskās zināšanas un novērot rezultātus bez reālām sekām. Kurss (tēmu ilgums, uzdevumu veidi un programmatūras izvēle)

tiks pielāgots dalībnieku grupas vajadzībām.

• Kursa apjoms:

48 akadēmiskās stundas.

• Kursa apguvei nepieciešamās priekšzināšanas:

Pamatzināšanas matemātikā (diskrētā matemātika, varbūtību teorija, matemātiskā statistika).

• Mērķauditorija:

Ražošanas un loģistikas nozarē nodarbinātie.

• Kursa norises formāts:

Attālināti un klātienē Ķīpsalā; Pirmdienās (08.04.24. – līdz 03.06.24.) plkst. 18:00 – 21:00.

• Dalībnieku skaits grupā:

Līdz 25 dalībniekiem.

• Programmas īstenošanai obligāti nepieciešamo materiālo līdzekļu uzskaitījums:

dators ar interneta pieslēgumu; praktisko darbu realizācijai tiks izmantoti Rīgas Tehniskas universitātes tehniskie risinājumi un bezmaksas simulācijas programmatūra (Personal Learning Edition versijas), kas var atšķirties atbilstoši studējošo vajadzībām, kas tiks saskaņots pirms studiju kursa sākuma.

• Izglītības dokuments, kas apliecina izglītības programmas apguvi:

RTU apliecība par tālākizglītību, identificējot iegūto kompetenču atbilstību DigComp 7.-8.līmenim.

Skaitliskās metodes palīdz ātri un efektīvi atrisināt sarežģītas problēmas inženierzinātnēs. Izmantojot eksperimentālo modelēšanu, iespējams optimizēt ražošanas procesu un izstrādāt jaunus produktus. Tas var būt laikietilpīgs un lielus izdevumus prasošs process. Matemātiskā modelēšana ļauj ietaupīt resursus un laiku.

Skaitliskās metodes ir jebkura matemātiskā modeļa būtiska sastāvdaļa. Skaitlisko metožu kurss aptver datu analīzi, mašīnmācīšanos un datu zinātni. Galvenā uzmanība tiks pievērsta skaitlisko metožu izstrādei un atbilstošo algoritmu ievešanai, izmantojot programmatūras pakotni Matlab.

Kursā tiks aplūkotas klasiskās metodes, ar kuru palīdzību risina praktiskus uzdevumus inženierzinātnēs: lineāru vienādojumu sistēmu risināšanas metodes – tiešās, iterāciju, variāciju tipa –, nelineāru vienādojumu un sistēmu risināšanas metodes, interpolācija, aproksimācija, mazāko kvadrātu metode, to lietojumi, Košī problēmas risināšana parastiem diferenciālvienādojumiem, vienādojumu sistēmām un augstāku kārtu diferenciālvienādojumiem.

Mūsdienu inženierim ir jāprot analizēt problēmas, kas ir saistītas ar lieliem datiem, viens no uzdevumiem kursā ir izmantot augstas veiktspējas skaitļošanas platformu lineāru vienādojumu sistēmas risināšanai gadījumā, kad koeficientu matrica satur tūkstošiem elementu, turklāt lielāka daļa elementu ir nulles (sparse matrix).

• Kursa apjoms:

32 akadēmiskās stundas

• Kursa apguvei nepieciešamās priekšzināšanas:

Pamatzināšanas matemātikā

• Mērķauditorija:

Ikviens interesents

• Kursa norises formāts:

Klātienē Ķīpsalā; Otrdienās (09.04.24. – 14.05.24.) plkst. 10:15 – 14:05, izņemot pirmo nodarbību, kas norisināsies plkst. 12:30-14:05 un pēdējo nodarbību, kas norisināsies plkst. 10:15 – 14.05.

• Dalībnieku skaits grupā:

Līdz 30 dalībniekiem.

• Programmas īstenošanai obligāti nepieciešamo materiālo līdzekļu uzskaitījums:

dators ar interneta pieslēgumu; praktisko darbu realizācijai tiks izmantoti Rīgas Tehniskas universitātes tehniskie risinājumi, ieskaitot piekļuvi datorprogrammai Matlab.

• Izglītības dokuments, kas apliecina izglītības programmas apguvi:

RTU apliecība par tālākizglītību, identificējot iegūto kompetenču atbilstību DigComp 7.-8.līmenim.